<![CDATA[Penelitian ini bertujuan untuk menganalisis pengaruh keaktifan organisasi terhadap keterlambatan studi mahasiswa serta membangun model prediksi menggunakan algoritma Gradient Boosting. Objek penelitian adalah mahasiswa Program Studi Teknik Informatika Universitas Asahan angkatan 2020–2022 dengan total 151 sampel. Data dikumpulkan melalui Sistem Informasi Akademik (SIAKAD) untuk variabel akademik dan kuesioner untuk variabel keaktifan organisasi. Variabel akademik meliputi IPK kumulatif, jumlah SKS, mata kuliah remedial, kehadiran, dan cuti akademik, sedangkan variabel organisasi mencakup jenis organisasi, jabatan, lama keaktifan, frekuensi kegiatan, serta skor keaktifan sebagai hasil rekayasa fitur.Metode yang digunakan adalah Gradient Boosting dengan implementasi XGBoost yang dioptimasi menggunakan Grid Search Cross Validation. Hasil penelitian menunjukkan adanya korelasi positif signifikan antara keaktifan organisasi dan keterlambatan studi (r = 0,612; p < 0,001). Model terbaik menghasilkan akurasi 90,32%, presisi 90,60%, recall 90,60%, F1-Score 90,57%, dan AUC-ROC 94,87%, serta menunjukkan stabilitas melalui 10-fold cross validation dengan akurasi rata-rata 89,80%. Model ini juga mengungguli algoritma lain seperti Random Forest, KNN, Decision Tree, Logistic Regression, dan Naive Bayes. Analisis feature importance menunjukkan bahwa skor keaktifan organisasi merupakan faktor paling dominan dalam prediksi. Hasil penelitian ini merekomendasikan penerapan sistem peringatan dini untuk mendeteksi mahasiswa berisiko keterlambatan studi secara lebih efektif.]]>
Copyrights © 2026
